Geri Dön

Yapay zeka yardımıyla güneş enerjisi üretim tahminlemesi ve gerçekleşen üretim değerleri ile tasarım programı çıktılarının karşılaştırmalı analizi

Solar energy production estimation with the help of artificial intelligence and comparative analysis of realized production values and design program outputs

PDF İndir

  1. Tez No: 896417
  2. Yazar: GAMZE MERSİN
  3. Danışmanlar: PROF. DR. MELİH SONER ÇELİKTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Enerji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Energy, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Güneş Enerjisi Ana Bilim Dalı
  12. Bilim Dalı: Enerji Teknolojisi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Yenilenebilir enerji entegrasyonu arttıkça hem öngörülebilir hem de güvenilir enerji yönetim sistemlerine olan talep artmaktadır. Üretimi ve şebekeye beslemesi değişken olan güneş enerjisi gibi yenilenebilir kaynaklardan elde edilen enerji üretiminin doğru tahmin edilmesi, enerji yönetim sistemlerinin odak konularından biridir. Bu tezde, gerçek bir güneş enerjisi santralinin üretimini tahmin etmek için yapay zeka kullanılmıştır. Yapay zeka ile tahmin edilen üretim değerleri, gerçekleşen üretim değerlerinin yanı sıra enerji santrali tasarımında yaygın olarak kullanılan Helioscope ve Pvsyst programları tarafından tahmin edilen üretim değerleri ile karşılaştırılmıştır. Metodoloji, veri temini, veri ön işleme, makine öğrenimi ve yapay zeka modellerinin geliştirilmesini içermektedir. Eğitim verilerinde lineer regresyon, boosting algoritmaları (XGBoost, CatBoost, LightGBM), uzun kısa süreli bellek (LSTM) ve yapay sinir ağları (ANN, MLP) analiz edilmiş, en iyi sonuçları veren LightGBM makine öğrenmesi modeli ile GridSearchCV kullanılarak parametre optimizasyonu gerçekleştirilmiştir. Test verileri üzerinde çalıştırıldığında RMSE değeri 67,04 ve R-kare değeri 0,96 olarak elde edilmiştir. Sonuçlar LightGBM algoritmasının gerçek üretim ve tasarım programı verileriyle yakından uyumlu tahminler yapabildiğini göstermektedir.

Özet (Çeviri)

As renewable energy integration increases, the demand for both predictable and reliable energy management systems is increasing. Accurate prediction of energy production from renewable sources such as solar energy, whose generation and supply to the grid is variable, is one of the focal issues of energy management systems. In this thesis, artificial intelligence is used to predict the generation of a real solar power plant. The production values predicted by artificial intelligence are compared with the actual production values as well as the production values predicted by Helioscope and Pvsyst programs, which are widely used in power plant design. The methodology includes data acquisition, data preprocessing, machine learning and development of artificial intelligence models. Linear regression, boosting algorithms (XGBoost, CatBoost, LightGBM), long short-term memory (LSTM) and artificial neural networks (ANN, MLP) were analysed on the training data, and parameter optimisation was performed using GridSearchCV with the LightGBM machine learning model that gave the best results. When run on test data, the RMSE value was 67.04 and the R-square value was 0.96. The results show that the LightGBM algorithm can make predictions that are closely aligned with real production and design programme data.

Benzer Tezler

  1. Tez No

    706964

    Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini

    Short term solar energy prediction by using artifical neural networks

    ELA NUR ORUÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÖZTOPAL

  2. Tez No

    969607

    Güneş enerjisi santrali tasarım programları ve yapay zeka yardımıyla üretim tahminlerinin gerçek üretim değerleri ile karşılaştırılması: çivril örneği

    Comparison of production estimates with actual production values using solar power plant design programs and artificial intelligence assistance: Civril example

    AHMET KESKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik-Elektronik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AKİF DEMİRÇALI

  3. Tez No

    793895

    Amasya Üniversitesi güneş enerji santrali üretim verilerinin meteorolojik verilere bağlı olarak yapay zeka yöntemleri ile tahmini

    Estimation of Amasya University solar power plant production data with artificial intelligence methods based on meteorological data

    SERDAR SOMUNCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiAmasya Üniversitesi

    Yenilenebilir Enerji ve Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CANAN ORAL

  4. Tez No

    372919

    Solar sistemler için akıllı evirici tasarımı ve uygulaması

    An application of intelligent inverter for solar systems

    ŞERİF ŞEREFOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET DEMİRTAŞ

  5. Tez No

    529527

    Yenilenebilir enerji kaynaklarının hibrit kullanımını yapay zeka ile modellemesi

    Hybrid of renewable energy resources modelling usage with structural intelligence

    RAMAZAN ERDİ SEVDİM

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mekatronik Mühendisliğiİstanbul Gelişim Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÜMİT ALKAN

Geri Dön